{{{sourceTextContent.title}}}

ROBOT D'APPRENDIMENTO PROFONDO: 10 GIORNI PER IMPARARE COME AFFERRARE

{{{sourceTextContent.subTitle}}}

Cobot Baxter impara come afferrare oltre 150 oggetti senza intervento umano all'università del Carnegie Mellon

{{{sourceTextContent.description}}}

Una volta confrontati a molti animali, i bambini umani sono sorprendente vulnerabili in loro primi mesi, comunque hanno una capacità elevata per autodidattico e possono acquistare padronanza di varie abilità nel loro primo anno. Qualcosa fondamentale come bambino che impara come prendere i giocattoli che sono una gamma delle figure e dei formati è in effetti un'abilità impressionante. Ora i ricercatori hanno osservato il simile comportamento in un robot industriale a due bracci denominato Baxter. I ricercatori, il Pinto di Lerrel e il Abhinav Gupta all'università del Carnegie Mellon, se Baxter con le possibilità di apprendimento profonde, organizzate una tabella in pieno degli oggetti davanti esso e camminate via, lasciandola per imparare da sè.

Baxter è un cobot industriale umano-sicuro che è destinato per effettuare le mansioni ripetibili, quale la linea caricamento, impaccare e maneggio del materiale. Ogni braccio è fornito di pinza di presa di parallelo della due-barretta ed il robot inoltre possiede una macchina fotografica di alta risoluzione per vedere che cosa sta facendo. Il robot è stato programmato per afferrare un oggetto separandolo dai relativi vicini, quindi per selezionare un punto casuale, per girare le relative pinze di presa nella linea e per tentare una stretta. Per ogni punto, Baxter ripete il processo tenace circa 188 volte, ogni volta registranti l'angolo commovente da 10 gradi.

Il Pinto e Gupta allora hanno lasciato il robot davanti alla tabella degli oggetti per calcolare fuori come dovrebbe afferrare ciascuno. Durante il periodo di 700 ore, Baxter ha completato 50.000 strette su 150 oggetti differenti ed ha scoperto quale metodo ha funzionato il più bene con quale oggetto. Gli oggetti hanno compreso vari elementi della famiglia quali i giocattoli di plastica e una ripresa esterna della TV. Baxter poteva predire se una stretta sarebbe stata riuscito quasi 80 per cento del tempo, che era considerevolmente migliore di l'altri Pinto e Gupta di metodi hanno provato. L'esperimento è stato eseguito in un ambiente stipato di e non strutturato e fornisce una comprensione importante in come i robot possono imparare ed adattarsi senza intervento umano.

{{medias[10876].title}}

{{medias[10876].description}}